基于图像块先验与稀疏范数的盲去模糊方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105957024A(43)申请公布日2016.09.21(21)申请号201610248012.5(22)申请日2016.04.20(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人李阳阳梁晓旭王哲焦李成刘芳尚荣华马晶晶刘若辰(74)专利代理机构陕西电子工业专利中心61205代理人王品华朱红星(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书8页附图4页(54)发明名称基于图像块先验与稀疏范数的盲去模糊方法(57)摘要本发明提出一种基于图像块先验与稀疏范数的盲去模糊方法，主要是解决现有技术对图像去模糊质量差的问题，其方案是：输入模糊图像；初始化模糊核、二进制掩模，候选图像；调用金字塔模型，将候选图像根据金字塔层数下采样，对候选图像与模糊核上采样；更新二进制掩模、更新图像块方差、更新图像样例块；固定参数更新模糊核、候选图像，直到金字塔最后一层；设置迭代次数，固定模糊核以及候选图像的范数保持不变，对模糊核添加的l1范数正则，得到新候选图像；固定候选图像不变，对候选图像添加的l1/l2范数正则项，得到新模糊核；直到迭代到最高次数。本发明提升了盲去模糊的效果和鲁棒性，可用于医疗器械、计算机视觉及图像视频处理。CN105957024ACN105957024A权利要求书1/3页1.一种基于图像块先验与稀疏范数的盲去模糊方法，包括：(1)输入模糊图像y，将模糊图像y设为候选图像；(2)取大小为3×3的高斯模糊核作为初始化模糊核，用k1表示；(3)取全为0的与图像大小相同的二进制掩模作为初始掩模，用M1表示，对外部样例块数据集为BSD500标准数据集进行学习，得到本发明的初始化外部图像样例块；(4)对模糊图像y进行初始化，得到初始候选图像x0其中，k1代表模糊核k1的矩阵形式，y代表输入的模糊图像，x0代表本次迭代想要得到的清晰候选图像，D*是不同方向上偏微分的矩阵形式，w*是这些不同方向偏微分所对应的标量权重，Dh和Dv分别为水平和垂直方向上的一阶偏导数的矩阵形式，x是和候选图像大小相同的未知矩阵，表示目标函数为最小值时的x的返回值；(5)调用高斯金字塔模型，根据初始化时设定的模糊核k1的大小，计算金字塔总层数N，初始金字塔层数标签t＝1；(6)将候选图像x0根据金字塔层数进行下采样，得到金子塔层第1层的候选图像x1；(7)将候选图像xt和模糊核kt根据金子塔层数进行上采样；(8)判断金字塔标签t是否为N，如果是，保存N层的候选图像xN和模糊核kN执行骤(9)，否则执行步骤(14)；(9)设置局部迭代最高次数为200,迭代次数标签j＝1,将(8)中求得的候选图像xN用Xj表示，作为新的候选图像，将模糊核kN用Kj表示，作为新的模糊核；j(10)计算当前候选图像X的l2范数；1j(11)保持模糊核k以及候选图像X的l2范数||Xj||2保持不变，采用l1/l2范数的稀疏正则对图像迭代方向加以限制，根据迭代收缩阈值算法优化公式计算新候选图像Xj+1；其中，Kj为为j次迭代的模糊核，x为与候选图像大小相同的未知矩阵，y为输入的模糊图像，为二维卷积运算符，式中的第一项为数据保真项，第二项是对x添加的l1/l2范数正则jj项，最后一项是对模糊核K添加的l1范数正则，标量权重α和β用来表示控制模糊核K和图像正则项的相对强度，argmin表示目标函数为最小值时的x的值；(12)保持候选图像Xj+1不变，根据下式计算新的模糊核Kj+1；其中，y为输入的模糊图像，为二维卷积运算符，k为与模糊核大小相同的未知矩阵，argmin表示目标函数为最小值时的k的值，第一项为数据保真项，第二项是对候选图像Xj+1添加的l1/l2范数正则项，标量权重α表示控制模糊核的相对强度，将模糊核求解问题转化为优化问题，采用双共轭梯度解法求解方法，返回函数最小化时的k值，作为新的模糊核Kj+1；(13)迭代次数标签j加1，重新赋值给j，作为新的迭代次数标签，判断新的迭代次数标2CN105957024A权利要求书2/3页签是否为200，如果是，输出候选图像X200以及模糊核K200，否则，返回步骤(10)；(14)更新二进制掩模Mt+1：在所有图像块中，计算八个方向的梯度信息，选取边缘信息较强的前2％的图像块，将这些图像块与掩模Mt相对的位置置1，其余位置置0，作为新的二进制掩模Mt+1；t+1t(15)保持二进制掩模M、外部图像样例块向量Si以及候选图像x不变，更新图像块的方差ηi；(16)保持其他参数不变，在二进制掩模Mt+1置1的所有位置，设学习到的图像块为pi＝ηiSi+μi，ηi为图像块i的方差，Si为外部图像样例块的向量形式，μi为图像